Research Design - Cheatsheet.pdf

Research Design - Cheatsheet
Research Design - Cheatsheet Vergleich von experimentellen und nicht-experimentellen Designs Definition: Vergleich zwischen experimentellen und nicht-experimentellen Forschungsdesigns Details: Experimentelle Designs: Zufällige Zuweisung zu Gruppen (Kontroll- und Experimentalgruppe), hohe interne Validität, kausale Schlussfolgerungen möglich Nicht-experimentelle Designs: Beobachtungsstudien, keine ...

© StudySmarter 2024, all rights reserved.

Research Design - Cheatsheet

Vergleich von experimentellen und nicht-experimentellen Designs

Definition:

Vergleich zwischen experimentellen und nicht-experimentellen Forschungsdesigns

Details:

  • Experimentelle Designs: Zufällige Zuweisung zu Gruppen (Kontroll- und Experimentalgruppe), hohe interne Validität, kausale Schlussfolgerungen möglich
  • Nicht-experimentelle Designs: Beobachtungsstudien, keine zufällige Zuweisung, oft eingeschränkte kausale Schlussfolgerungen, nützlich zur Hypothesengenerierung
  • Beispiele für experimentelle Designs: RCTs (randomisierte kontrollierte Studien)
  • Beispiele für nicht-experimentelle Designs: Kohortenstudien, Fall-Kontroll-Studien, Querschnittstudien
  • Formeln: Signifikanztests (z.B. t-Test, ANOVA) oft in experimentellen Designs

Bedeutung der Hypothesenbildung

Definition:

Essentiell für Forschungskonzeption; Hypothese als testbare Vorhersage.

Details:

  • Aufbauend auf bestehenden Theorien und Literatur
  • Richtet die Forschungsausrichtung und Methodenauswahl
  • Muss klar, spezifisch und überprüfbar sein
  • Basiskomponente des wissenschaftlichen Prozesses
  • Erlaubt die Formulierung von Vorhersagen und experimentellem Design

Verfahren der deskriptiven Statistik

Definition:

Verfahren zur Beschreibung und Analyse von Datensätzen; Basis für weiterführende statistische Analysen.

Details:

  • Lagemasse: Mittelwert (\(\bar{x} = \frac{1}{n} \sum_{i=1}^{n}x_i\) ), Median, Modus
  • Streuungsmasse: Standardabweichung (\(s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n}(x_i - \bar{x})^2}\) ), Varianz (\(s^2\)), Quartile, Spannweite
  • Korrelationsmasse: Pearson-Korrelationskoeffizient (\(r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}\) )
  • Visualisierung: Histogramme, Boxplots, Streudiagramme

Analyse von Korrelationen und Kausalitäten

Definition:

Zusammenhang zwischen zwei oder mehr Variablen untersuchen; Unterscheidung zwischen Korrelation (gemeinsame Variation) und Kausalität (Ursache-Wirkung-Beziehung).

Details:

  • Korrelation: misst die Stärke und Richtung der Beziehung zwischen Variablen.
  • Korrelationskoeffizient (r): Wertebereich von -1 bis 1; r = 1 (perfekte positive Korrelation), r = -1 (perfekte negative Korrelation), r = 0 (keine Korrelation).
  • Beispielformel für Korrelationskoeffizient: \[ r = \frac{\sum{(x_i - \bar{x})(y_i - \bar{y})}}{\sqrt{\sum{(x_i - \bar{x})^2} \sum{(y_i - \bar{y})^2}}} \]
  • Kausalität: zeigt, dass eine Variable eine andere beeinflusst.
  • Kausalität erfordert experimentelle oder longitudinale Studien.
  • Unterscheiden durch Randomisierung, Kontrolle und zeitlichen Ablauf.
  • Konfundierende Variablen berücksichtigen, um Scheinkorrelationen zu vermeiden.

Inhaltsanalyse und Interpretation qualitativer Daten

Definition:

Technik zur systematischen Analyse von qualitativen Daten, um Muster und Bedeutungen zu identifizieren und zu interpretieren.

Details:

  • Datenquellen: Interviews, Fokusgruppen, Dokumente
  • Schritte: Datenkodierung, Kategoriebildung, Thematisierung
  • Methoden: thematische Analyse, diskursive Analyse, Grounded Theory
  • Ziel: Identifikation von tieferliegenden Bedeutungen und Zusammenhängen
  • Software: MAXQDA, NVivo
  • Wichtig: Validität und Reliabilität sicherstellen

Visuelle Darstellung von Daten und Ergebnissen

Definition:

Visualisierung von Daten und Ergebnissen zur klaren und effektiven Kommunikation wissenschaftlicher Erkenntnisse.

Details:

  • Diagrammtypen: Balkendiagramme, Liniendiagramme, Streudiagramme, Boxplots
  • Software: Excel, R (ggplot2), GraphPad Prism, Python (matplotlib, seaborn)
  • Richtlinien: Achsenbeschriftungen, Legenden, Maßstab, Farben
  • Statistische Kennwerte: Mittelwert \( \bar{x} \), Median, Standardabweichung \( s \)
  • Beispiel Plot (R ggplot2): \[ ggplot(data = dataframe, aes(x = Variable1, y = Variable2)) + geom_point() \]

Berichterstattung und Präsentation von Forschungsergebnissen

Definition:

Kernaspekte des Berichts und Präsentation von Forschungsergebnissen im Rahmen des Forschungsdesigns in Molekularer Medizin.

Details:

  • Schriftliche Berichterstattung:
    • Struktur: Einleitung, Methoden, Ergebnisse, Diskussion
    • Klarheit und Präzision in der Beschreibung
    • Verwendung von Übersichten und Tabellen
  • Mündliche Präsentation:
    • Visuelle Hilfsmittel: PowerPoint, Diagramme, Bilder
    • Konsistente und logische Abfolge der Informationen
    • Zeitmanagement
  • Wissenschaftliches Publizieren:
    • Wahl des Journals
    • Peer-Review-Verfahren
    • Ethische Richtlinien

Ethische Aspekte in der Planung von Forschung

Definition:

Ethische Erwägungen bei der Planung von Forschung zur Sicherstellung von Integrität und Konformität mit geltenden Normen und Vorschriften.

Details:

  • Freiwillige Zustimmung der Teilnehmenden gemäß der Deklaration von Helsinki
  • Vorausschauende Bewertung möglicher Risiken und Nutzen
  • Datenvertraulichkeit und -schutz
  • Transparente und ehrliche Berichterstattung von Ergebnissen
  • Vermeidung von Interessenkonflikten
  • Ethische Genehmigung durch eine Ethikkommission
  • Sichere und verantwortungsvolle Handhabung biologischer Materialien
  • Einhaltung von Tierschutzrichtlinien bei Tierversuchen
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden